腾讯推出具有高一致性和卓越控制能力的多模态视频生成工具 HunyuanCustom

腾讯近日正式开源了其全新的多模态定制化视频生成工具 HunyuanCustom，这标志着 AI 视频创作进入了一个更高自由度与精准控制的全新阶段。以下是关于 HunyuanCustom 的详细介绍：

技术特点

• 多模态输入能力：HunyuanCustom 融合了文本、图像、音频、视频等多种模态输入，用户可以通过输入文本描述、单图或多图图像、参考音频甚至已有视频片段来生成定制化视频。

• 高主体一致性：该工具在主体一致性方面表现出色，能够有效解决传统 AI 视频中“换脸失真”或形象漂移的问题，确保人物或物体在视频中的身份特征保持一致。

• 强控制力：HunyuanCustom 具备强大的控制信号跟随能力，可以根据文本、参考主体图像和语音等多种模态信号生成用户需要的对象、场景和动作。

• 高质量生成：基于腾讯混元视频大模型的强大能力，HunyuanCustom 在人物细节还原、动作流畅性、光影真实度等方面都达到业内领先水平。

功能与应用场景

• 单主体视频生成：用户只需上传一张包含目标人物或物体的图片，并提供一句文本描述，HunyuanCustom 就能生成连贯自然的视频内容。

• 多主体视频生成：用户可以提供多张图片（如人物和物体的照片），并输入文字描述，让这些主体按要求出现在视频里。

• 单主体视频配音：在音频驱动模式下，用户可以上传人物图像并配上音频语音，生成人物在任意场景中说话、唱歌或进行其他音视频同步表演的效果。

• 视频局部编辑：支持将图片中的人物或物体自然地替换或插入到任意视频片段中，进行创意植入或场景扩展。

HunyuanCustom 广泛应用于虚拟人物广告、虚拟试穿、唱歌头像生成、智能视频编辑等多个领域。

开源计划

目前，HunyuanCustom 的单主体生成能力已经开源，并在混元官网（https://hunyuan.tencent.com/）上线。其他能力（如音频驱动视频定制、视频驱动视频定制、多主体视频定制等）将于 5 月内陆续对外开源。

HunyuanCustom 的开源将极大地推动视频创作技术的发展，为视频创作者、短视频博主、电商从业者、广告创意人等提供强大的工具。